中國AI模型遭控大量擷取Claude輸出，企業會先避開誰？

 

Anthropic指控中國AI實驗室大規模擷取Claude輸出

Anthropic於今年9月公布威脅情資報告，指控多家中國AI公司透過大規模「非法蒸餾」，未經授權擷取Claude輸出，用來訓練自家模型。相關活動牽涉上億筆互動，也把中美AI競爭推向資料治理、模型安全與供應鏈透明度。

模型蒸餾，是讓能力較強的模型擔任「老師」，再以大量問答訓練規模較小的「學生」模型。這項技術本身廣泛存在於AI產業；Anthropic提出的爭議集中在授權方式、帳號來源與資料用途。報告指稱，相關實驗室利用大量疑似偽造帳號與超額API呼叫，繞過平台限制，部分內容還涉及第三方使用者的敏感資料。

授權與資料透明度因此成為判斷邊界。使用公開API取得回答，與系統性規避限制、隱匿資料轉送及保留對話，面對的合約與監管風險有很大差異。

 

Alibaba相關活動達1.51億次互動

報告將Alibaba相關營運列為目前規模最大的案例。今年5月至7月，相關營運方被指透過超過3,500個疑似詐欺帳號，向Claude發出逾1.51億次互動請求，單日峰值接近300萬次。

Anthropic判斷，這批輸出可能用來強化Alibaba的Qwen系列模型，也涵蓋強化學習與模型架構探索。若指控成立，規模顯示蒸餾已進入工業化操作：大量帳號負責分散流量，API提供教師模型能力，取得的問答再回流至訓練流程。

這種模式對AI基礎建設的含義很直接。先進模型的價值除了GPU叢集與演算法，也包括訓練資料、推理結果、安全規則與長期累積的使用回饋。當模型輸出能被批量擷取，推理端也成為資料資產的外流入口，平台需要投入更多資源辨識異常帳號、追蹤流量模式並限制自動化擷取。

 

Moonshot爭議延伸到客戶資料轉送

Moonshot開發的Kimi模型面臨更直接的透明度疑慮。Anthropic指稱，Moonshot曾將部分原本送往Kimi的使用者提問轉交Claude處理，再把Claude回答回傳給客戶，使用者可能無法掌握請求實際經過哪些模型與服務商。

Anthropic在一段10天期間內偵測到近30萬筆客戶請求，經由5,380個疑似詐欺帳號轉送，多數流向Claude Opus等高階模型。今年5月至7月，與Moonshot有關的蒸餾互動估計超過2,300萬筆。

報告也指稱，Moonshot可能保留部分對話，並擷取Claude的「推理軌跡」，用於Kimi等自家模型訓練。部分請求含有個人資料、跨國企業內部內容及國家相關單位的敏感對話，目前缺乏證據顯示客戶曾獲得充分告知。

這讓風險從模型智慧財產擴大到企業資料治理。企業把文件、程式碼或內部決策資料交給AI服務時，可能同時經過應用程式、模型供應商、雲端環境與外部路由服務。每一個轉送節點都可能增加外洩面積，也會影響資料保存地點、刪除機制及法規責任。

 

DeepSeek的低成本優勢面臨資料來源檢視

DeepSeek同樣被Anthropic點名。今年7月的一段14天期間，Anthropic觀察到超過1,200萬筆互動，並將其歸因於DeepSeek相關活動。操作模式被描述為透過多個帳號批次轉送對話，再將結果投入自家模型訓練。

DeepSeek先前以低成本與高性能快速取得市場關注。這份報告提出一項需要查證的可能性：部分成本與能力優勢，或許受益於外部先進模型輸出。現階段仍屬Anthropic單方面指控，外界尚無法據此拆分DeepSeek能力中有多少來自自主訓練、公開資料或第三方模型輸出。

截至今年9月11日，Alibaba、Moonshot、DeepSeek與Xiaomi尚未針對相關指控公開回應。缺少被指控方說法與獨立調查結果，現階段可以確認的是活動規模、Anthropic的偵測方式與其提出的風險框架；責任歸屬仍需更多證據。

 

AI競爭開始納入安全、合約與供應鏈治理

Anthropic表示，被攔截與制止的活動橫跨2025年12月至2026年8月，內容涵蓋蒸餾、網路攻擊、輿論影響、監控追蹤、詐騙與金融犯罪、生物領域濫用及常規武器研發等七類風險。大型語言模型已能加速多種敏感活動，企業與政府的監管壓力也會同步提高。

當模型架構與演算法逐漸收斂，資料、算力及安全能力會形成更清楚的競爭門檻。模型供應商需要證明輸出受到保護，也要能追蹤異常使用、隔離敏感內容，並向企業客戶說明資料流向。這些投入會提高服務成本，卻也是企業級AI採用持續擴大的基礎。

對大型企業與政府機構而言，採購評估將加入更多合約條款，包括資料能否用於訓練、請求會經過哪些第三方、保存多久、在哪個司法管轄區處理，以及發生外洩後由誰承擔責任。模型性能與資料治理將被一起採購，安全能力也可能成為AI平台取得高敏感度工作負載的門檻。

這份報告尚未提供足夠證據評估各家公司最終責任，也無法量化事件對模型市占或營收的影響。後續觀察應集中在獨立調查、被指控方回應、API防濫用措施，以及企業AI合約是否新增更嚴格的資料轉送與訓練限制。中美AI競賽的下一階段，算力供應仍然重要，資料來源可信度與服務供應鏈透明度也會直接影響企業採用速度。